Hermes Agent 0.17 最新重大更新總結！🤖✨ 以下是這次更新的 8 大亮點，一步步帶你了解： 1️⃣ 原生 iMessage 支援 📱 現在你可以直接透過 iPhone 的 iMessage 與 Hermes 聊天！出門在外也能隨時查股價或市場動態。最酷的是，它能直接連動你電腦上的 Hermes，用手機就能遠端下達指令（例如移動檔案或安裝模型）。只需透過「Photon」服務設定即可。 2️⃣ 自動化背景代理 (Background Agents) 🕵️‍♂️ 不再需要手動開啟！當你給出複雜指令（如生成多份研究報告）時，Hermes 會自動啟動子代理在背景工作。你的主對話框不會被卡住，可以繼續聊天。全新的「子代理樹狀圖」還能讓你隨時監控它們的工作進度。 3️⃣ 支援 Unreal Engine 5.8 MCP 🎮 全新支援虛幻引擎 5.8 的 MCP (Model Context Protocol)。這代表你可以直接用 AI 在 Unreal Engine 裡打造複雜的高品質 3D 遊戲，完全免費！ 4️⃣ 桌面版 App 大升級 💻 •多視窗支援：右鍵點擊對話即可開啟獨立視窗，輕鬆多工處理。 •模型切換器：底部新增下拉選單，快速切換 AI 模型並調整「思考深度」，免去繁瑣的指令。 •內建終端機：直接在 App 內建終端機，不需額外開啟視窗就能跑指令。 5️⃣ 全新設定檔建立器 (Profile Builder) 🛠️ 透過新的 Web 版 Hermes Dashboard，你可以輕鬆建立並管理專屬的 Hermes（例如專屬「程式設計師」或「圖書管理員」）。全新的 UI 介面取代了過去手動修改設定檔的麻煩，並提供逐步引導。 6️⃣ 全新技能中心 (Skills Hub) 🎯 在 Dashboard 內建的技能市集，提供數百種技能供你下載擴充。內建「安全掃描」功能，確保安裝無虞。你甚至可以讓代理閱讀技能說明，為你客製化專屬安全版本！ 7️⃣ 更聰明的記憶編輯與自我學習 🧠 Hermes 現在會主動建立、更新並修補自己的技能！在互動過程中，它會主動提出「自我改進審查」，根據任務表現持續學習進化。 8️⃣ Telegram 格式大進化 💬 完美支援 Telegram 最新格式功能！現在可以輸出精美的表格、清單與粗體文字，而且文字串流顯示更加流暢。 加入中文社區討論討論👉🏻

🏎 獲 500 萬美元融資的 Spekter Games 旗下鏈遊「Spekter City @SpekterCity 」，將於 6 月 24 日正式啟動賽季競技模式：幻影聯盟（Phantom League） 跟其他需要苦等代幣空投的項目不同，在賽季中獲得的 sTON 可以直接轉換成 $TON，直接實現真金白銀的收益 💰 仔細閱讀下方玩法與避險介紹，擬定最佳策略，開賽馬上進場挖👇 💡 什麼是 Phantom League？ 這是一個高風險、高回報的賽季模式，每月排行榜重置，並且獎池隨玩家數量更新 🪙 核心機制：只要擁有滿等的 Epic（史詩）或 Legendary（傳奇）車輛，訂閱後部署即可生成 sTON，並以 1 : 0.95 的匯率直接兌換成 $TON 提現！ 🎟 訂閱門檻：Epic 每季 5 TON / Legendary 每季 10 TON。傳奇車產量較佳，來都來了當然是直接開傳奇車😎 ⚠️ 重要提點：首次綁定新錢包有 7天提現冷卻期，進入遊戲後記得盡快連結錢包！ 🛠 簡單產幣 3 步驟 1️⃣ 【強化】 消耗 TON 訂閱車輛後，別讓遊戲裡的積分（Credits）閒置！使用積分「增強（Enhance）」車輛，滿等後才能產出sTON 2️⃣【產幣】 車輛要開始產幣，必須停放到「其他 Phantom League 訂閱玩家」的領地（Turf）上。可以透過 sTON 排行榜去尋找鄰居座標。 3️⃣ 【提現】 累積滿 15 sTON 即可申請提現，手續費 5%，直接轉換為 TON 發送至錢包。 🚨 財富險中求！兩大風險要注意 這絕對不是一個無腦放置掛機的遊戲，產幣過程中你必須面對極大的博弈： 🚓 警察突襲： 載具如果在產幣中途被警察扣押（Seized），當次任務累積的 sTON 將直接歸零、完全蒸發！ 🥷 領地主黑吃黑： 停在別人的「未授權槽位」收益更高，但領地主人隨時可以把你踢走（Kick），並搶走你當次產出的 100% sTON！ 👉 什麼時候收網（Collect）提現？全面考驗你的策略與對貪婪的克制！ 🎯 現正開跑，立馬備戰！ 現在就能開始布局！點擊官方X @SpekterCity 透過TG BOT先熟悉車輛升級與放置玩法 提前累積積分（Credits） 坐等 6/24 開賽，高級車輛訂閱直接開挖！ 搭配下方中文版教學全攻略圖，老司機們準備發車吧！👇 #GameFi#

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

音樂一響起，腦海立刻浮現那個身影 💙💚TUF Gaming × 初音未來 💚💙 世界第一的公主殿下🫶🏻 我最愛的電子歌姬-初音未來 這次阿桃摸到了 ASUS TUF Gaming 初音聯名鍵盤、滑鼠、滑鼠墊、耳機 完全是少女喜歡的配色啊✨ 收藏價值極高‼️ 快把大全套包起來吧⬇️ (留言下收） 不出遊就靠他陪我度過了🫶🏻

我第一次看到皮皮，是在4楼停车场。没想到一只小猫怎么跑到这么高的地方。 我赶紧回家给他拿了水，罐头和干粮。他的常规动作就是奶凶奶凶的先哈人，然后大口大口吃东西，感觉是饿坏了。我当时并没有想到再要收养一只猫，就一直在停车场门口放水和猫粮。有好心邻居看到，也增添了一个碗。好温暖，但是他似乎再也没有回来。 但是我已经在心里爱上了这个虎头虎脑的小家伙。 下一回细说收养皮皮的缘分。